label distribution | BriefGPT

关键词label distribution

搜索结果 - 11

利用层次化标签分布变化进行测试无关的长尾识别
探索了测试不可知的长尾识别，通过引入多元专家模型和针对本地变异的 Dirichlet 元分布来捕捉测试标签分布的全局和局部变化，从而提高模型的泛化能力。
PDF2 months ago
OTTER: 通过最优传输提高零 - shot 分类
零样本模型在预训练时遗传了一些问题，其中一个特别有害的问题是由于不平衡的网络规模预训练数据导致的标签分布不匹配。我们引入了一种简单且轻量级的方法，通过最优传输来调整预训练模型的预测结果，在广泛的零样本图像和文本分类任务中实验证实了我们的方法
PDF3 months ago
生成真实标签：用于标签噪声研究的合成数据
提出了 SYNLABEL 框架，用于改进标签噪声研究，并允许创建一个无噪声的数据集，以用作干净的基准，并能注入和量化标签噪声。
PDF10 months ago
ICCV针对协变量和标签偏移的测试时间调整器
我们提出了一种新的标签偏移适应器，可以有效地处理标签偏移，并通过将其与测试时适应方法相结合来实现显著的性能改进。
PDFa year ago
多标签分类只需要正标签
本文提出了一种名为正例与未标注多标签分类（PU-MLC）的新方法，通过在训练时直接丢弃训练集中的负标签来减少嘈杂的标签所带来的不良影响，并通过引入自适应重平衡因子和自适应温度系数来缓解标签分布中的灾难性不平衡和概率平滑问题。大量的实验证明了
PDFa year ago
数据增强对知识蒸馏的影响
本研究发现知识蒸馏与微调在数据增强方面的偏好不同，鼓励学者探索针对知识蒸馏的数据增强方法，且合适的语义漂移度（例如，更改 30% 的令牌通常是知识蒸馏的最佳选项），并发现对于小型数据集，较大的语义漂移度更加适合，直至出现超出分布的问题。
PDFa year ago
ICMLTAM：面向类别不平衡节点分类的拓扑感知间隔损失
该研究针对存在标签不平衡的图数据，提出了一种新型节点表示学习方法，通过结合局部拓扑信息设计目标函数，实现了对于节点的快速、精准分类。
PDF2 years ago
噪声容忍互相学习中的一致或不一致？
本文提出了一种名为 MLC 的噪声容忍框架，它可以通过调整双网络和校正标签分布来有效地抵抗噪声标签，从而利用噪声数据提高网络的准确性，泛化能力和鲁棒性。
PDF2 years ago
ACL拥抱不确定性：转变 NLI 模型的训练目标
本文研究了在自然语言推理任务中训练模型时，直接使用标注者标签分布的方法而非正确标签的方法，并准备了 AmbiNLI 数据集，经过模型微调可以降低混沌度得分，并可提高模型性能和下游任务的表现。
PDF3 years ago
捕获标签分布：自然语言推理案例研究
研究了自然语言推理任务中固有人类分歧 (注释标签分布) 的估计。通过后处理平滑预测的标签分布以匹配期望的标签熵取得了很好的效果。同时，通过引入有多个参考的少量样例进行训练，相较于传统做法每个训练样本只采集一个参考，我们发现这种多参考的方法可
PDF3 years ago
有条件分布匹配和广义标签偏移的领域自适应
本文提出了广义标签偏移（$GLS$）的假设来提高对不匹配标签分布的鲁棒性，在此基础上，提供了任何分类器的转移性能的理论保证，并且设计了估算相对类权重以及适当的样本重新加权的必要和充分条件。我们修改三个现有的域自适应 (DA) 算法（JAN，
PDF4 years ago